“人工智能+”背景下的新工科教育探索與實踐

杜圣東，楊 燕

（1.西南交通大學 信息科學與技術學院,四川 成都 610031；2.西南交通大學 人工智能研究院,四川 成都 610031；3.軌道交通信息工程與技術國家級實驗教學示范中心，四川 成都 610031）

0 引 言

人工智能時代，AlphaGo 可以每天自我對弈數十萬盤圍棋[1]，Tesla 自動駕駛系統可以每天從數十萬輛車的行駛軌跡中學習駕駛經驗，Watson系統可以每天學習數萬篇醫學論文來獲取深層病理特征[2]。大數據驅動的人工智能技術正在以驚人的效率解決特定領域的重大科學問題。人工智能新的技術和算法發展速度如此之快，在不斷推動大數據智能領域發展的同時，智能時代的學習革命也必將對未來的教育生態和社會職業形態造成沖擊。針對這一趨勢，人工智能專家、創新工場董事長李開復做了很好的注解，他說：“未來10 年，大部分人類只需思考5 秒鐘以下的工作都會被人工智能取代，從比例上來說，人類50%的工作都會被取代，比如助理、翻譯、前臺、護士、會計、理財師，等等。只有改革我們的教育模式，才能培養出新型勞動力。” 而牛津大學的一項職業研究也佐證了這一說法，未來20 年內，50%左右的工作將被人工智能取代[3]。

毋庸置疑，人工智能技術正在加速變革我們的生產、生活、學習等各個領域[4]，高等教育自然不能置身事外。因此，國務院在2017 年7 月發布了《新一代人工智能發展規劃》，明確提出高校要完善人工智能教育體系，建設人工智能學科。教育部也在《高等學校人工智能創新行動計劃》中強調，要加強人工智能領域專業建設，推進“新工科”建設，形成“人工智能+X”復合專業培養新模式[5]，這是因為人工智能本身是一個極具包容性的跨專業領域，涉及計算機、軟件、電子、機械、自動化甚至哲學、心理學等多個專業領域及研究方向。如何從大數據中發現挑戰性的科學問題，推動以數據驅動智能為基礎的科學發現，促進新型交叉學科的發展，是新工科教育的關鍵內容；而以“人工智能+X”為核心的新工科建設，將引領教育向著在線化、定量化、個性化和智能化方向發展，以大數據智能技術驅動的各種新型教育模式和行業頂級企業AI 產品的應用普及，將對傳統教育造成巨大沖擊，包括專業設置、課程體系和教育方式方法。

1 人工智能時代傳統教育面臨的挑戰

大數據時代[6-7]以深度學習為代表的數據驅動智能技術正在快速深刻地改變我們的學習方式、思維方式，也包括我們解決問題的方式[8]，人工智能技術的快速、閉環、迭代等特性已經從多個層面上對傳統教育體系提出了挑戰，主要表現在如下幾個方面。

1）傳統課程體系面臨新技術泛型挑戰。

新工科為什么強調學科交叉？因為傳統學科設置按細分領域進行劃分，在層出不窮的前沿新興技術和問題驅動的條件下，學科領域知識的局限，如專業設置大多自成體系、過于獨立，各專業領域相互關聯度低，學科的交叉融合少，越發難以支撐重大科學及工程問題的解決[9-10]。以大數據智能技術體系為例（如圖1 所示），DT（Data Technology）技術生態的繁榮與發展，包括數據采集、數據預處理、分布式存儲、NOSQL 數據庫、多模式計算（批處理、在線處理、實時流處理、內存處理）、多模態計算（圖像、文本、視頻、音頻）、數據倉庫、數據挖掘、機器學習、人工智能、深度學習、并行計算、數據可視化等各種技術范疇和不同層面[11]，僅僅人工智能就涉及計算機、軟件、電子、機械、人體動力學、心理學等不同學科領域。可見DT 這種新技術泛型生態涉及學科版圖十分龐雜，傳統學科知識難以支撐類似領域重大科學及工程問題的解決。

圖1 大數據智能技術挑戰

2）傳統教學方式面臨快速迭代和適應性挑戰。

對于教師來講，傳統教學方式的轉變是一個漫長的過程，但人工智能以其迭代、閉環等特點加速了知識的增長與更新過程，如AlphaGo 每天能自我對弈數十萬盤棋局，其獲得知識經驗的速度是難以想象的。另外，大數據時代知識的時效性也不同于往常，比如傳統的教材多年才出版一次，如有錯誤需要數年后才能修訂，如今的維基百科和慕課平臺每分每秒都在進行海量教育數據的更新。人工智能技術使得知識可以快速迭代發展，而教師的教學方式、知識結構與教學理念等卻難以快速迭代升級。另外，重復性的工作方式和有大量數據積累的職業，都面臨被人工智能取代的危險，當前的教師職業如果不能快速升級知識結構以適應新技術發展，也會面臨類似問題。

對于學生來講，大數據智能時代催生的教學形式和教育資源呈多元性發展，在線、離線，課上、課下，手機、電腦、平板，圖像、文本、視頻等層出不窮，隨著教育形式、渠道、載體的多樣化，學生自行獲取知識的途徑和深度、廣度都在急劇擴張，傳統教學課件資源的單一性和重復性，難以滿足學生的個性化、定制化學習需求。在這一背景下大班制教學的缺點會越來越突出，如何破解大班制教學的個性化教育需求缺失的問題，需要新的教學方式方法來支撐。

3）傳統教育機構面臨產業變革和人才需求挑戰。

新工科所倡導的“人工智能+X”復合型專業模式，就是旨在解決產業升級和人才需求變革問題。人工智能時代，社會職業形態面臨的沖擊會越來越嚴重，只有改革我們的教育機構管理模式和育人模式，從頂層規劃上進行優化設計，才能培養出新型勞動力以適應產業發展需要。例如谷歌的機器翻譯系統，微軟的實時口譯系統已經接近英語專業人士水平，未來的英語專業何去何從？IBM 的Watson 法律助手、醫生助手等系統，也在加速迭代升級。當傳統專業人才與類似新經濟發展互相沖突時，很多職業將來可能會消失，學校的專業設置如何為未來的職業做準備?教育機構的培養方案如何適應產業人才需求的快速變遷，這也是教育管理者需要關注的核心問題。

2 新工科教育的內涵與特征

當前，人工智能技術在逐漸融入我們的生產和生活，我們甚至很少注意到這種潛移默化的影響。Google 根據位置調整搜索結果以適應不同地域的用戶需求，Amazon 根據歷史購買記錄做出貼心推薦，Siri 可以隨時隨地響應我們的信息獲取需求，Watson 可以作為助教服務學生、作為醫生服務病人……這類智能系統在我們的信息交互中扮演著越來越重要的角色。在過去的幾十年中，基于人工智能的系統已經從根本上改變了我們與數字世界交互的方式，未來的教育也將備受影響。

2.1 新工科的興起

數據驅動智能代表了一種新的認知范式，圖靈獎得主Jim Gray 將人類科學的發展定義成為四個“范式”。未來科學的發展趨勢是，隨著大數據的爆炸式增長，計算機將不僅僅能做模擬仿真，還能進行深度挖掘分析，并獲得新的知識。也就是說，過去由牛頓、愛因斯坦等科學家從事的工作，未來可以由計算機來做。Jim Gray 將這種科學研究的方式，稱為第四范式，即數據密集型科學[7]。從物聯網、云計算到大數據，再到人工智能，這種以第四范式為代表的數據密集型科學，正在沖擊傳統的教育模式與方法，數據密集型科學不僅僅是“科學范式”，更是一種大數據驅動智能科學及應用的“工程范式”，這也是新工科興起的本質所在。

2.2 新工科的主要特點

從傳統的以細分專業技術為中心的“技術范式”，進化為以多學科深度交叉融合、數據驅動為中心的“科學范式”與“工程范式”，新工科有其自身的特點，主要包括如下幾個方面。

（1）跨學科，應用導向。當前，人工智能技術驅動的重大科學問題研究越來越普遍，從戰勝人類頂尖棋手、幫助發現引力波到自動駕駛、精準醫療、安全防控等，可以說大數據驅動的人工智能技術生逢其時。不管是從人工智能技術本身，還是上述科學工程問題的解決，都需要跨學科專業技術的支撐，而且有明確的問題導向、工程導向特點。李開復評價“AlphaGo 是一套設計精密的卓越工程，達到了歷史性的業界里程碑，這套工程不但有世界頂級的機器學習技術，也有非常高效的代碼，并且充分發揮了谷歌在全球最宏偉的計算資源實力”。未來此類重大問題的突破對于核心技術的要求只會越來越高，新工科教育在鼓勵學科交叉的同時，還需拓展學生在核心科學問題的深入研究和復雜工程研發實踐方面的能力。

（2）個性化，自適應性。未來的教育將向個性化、定制化和去中心化發展，使用人工智能系統技術的支持，學生可以隨時隨地從世界上任何地方學習，某些在線平臺或智能APP 完全可以代替特定類型的課堂教學。通過人工智能技術驅動的個性化學習，將各種教育課程的學習內容與速度，甚至教學方法都可以針對不同學習者的需求進行優化，通過人工智能助手的閉環跟蹤反饋，可以適應不同個體的學習速度和特定需求。新工科教育要做到以學習者為中心，基于人工智能的個性化、自適應學習機制至關重要，而教師更多是負責學習計劃的制定、引導和交流溝通[12]。

（3）迭代式，終生學習。如何培養高素質的復合型人才，只靠學校教育是不夠的，傳統的理論教學過多，實踐課程又缺少與產業研究類需求的對接。在這種情況下，新工科教育需幫助學習者樹立終身學習的理念，做到知識結構能跟隨產業技術進行迭代升級，這不僅要有傳統工科的扎實基礎底蘊（如具備STEM 素養，熟悉科學Science、技術Technology、工程Engineering、數學Mathematics 等學科基礎知識），也要對其他學科鄰域的知識有所理解和把握，從而滿足和適應產業技術需求。另外，當前的職業培訓教育還缺乏系統性、多樣化的優質內容，適合在職人員繼續教育的深度課程更是稀有，這一短板更需要新工科教育在學校階段，融合人工智能思維，幫助學習者提升終身學習、自我學習的能力和素質。

3 新工科教育總體思路及框架

從數字化、信息化到智能化，高等教育的未來與前沿信息技術的發展有著緊密的聯系，人工智能技術的突破為新工科的教學和學習方式帶來了新的可能性和挑戰，并會從根本上改變高等教育機構的內部治理架構。人工智能技術在高等教育中的應用是一個增強教育能力、變革教育思維并擴大教育影響力的持續迭代過程，而不能將其簡化為一套應用交付系統。基于此，設計新工科教育的核心思路及總體框架（如圖2 所示），以學習者為中心，以課程設置、教學方式和工程實踐3 個環節為主線，從專業技術教育和AI 賦能教育兩個方面，提升新工科教育在個性化學習和終身學習等方面的支持水平。

圖2 新工科教育總體框架設計

1）設計面向專題式、模塊式的新工科課程體系。

針對“人工智能+X”復合型專業需求目標，重點研究問題驅動學習、模塊式學習、主題式學習和結合產業技術研究類需求的課程內容和學習環節設計，基于人工智能思維（數據驅動、迭代優化、終生學習等）和相關交叉學科教學內容的相互滲透、整合與優化，從科學問題與產業目標對接的角度，重新規劃設計人工智能背景下的新工科課程體系，包括課程內容、實現環節及考核要求等多個方面。在學校已開設人工智能、機器學習等相關課程基礎上，結合學科交叉融合需求，研究大數據以及人工智能輔助下的以學生為中心的新工科課程體系設置，為每個學生提供個性化、定制化、智能化的學習內容及方法，從而激發學生對專業技術及相關學科群知識的學習欲望。建議從三個層面由淺入深開展人工智能+新工科課程體系建設：首先在傳統學科專業課基礎上（如STEM），增設人工智能+前沿通識課，普及智能學科知識；其次構建人工智能+跨學科實驗課程，為不同專業提供大數據和人工智能驅動的行業應用實驗平臺；最后開展“人工智能+X”的新工科跨學科專業課程內容建設，構建跨學科交叉、融合的新工科課程體系。

2）改進人工智能+背景下的傳統教學模式與方法。

人工智能時代，以教師為中心轉向以學習者為中心的教學模式，這一趨勢越來越明顯。教師是專業技術教育和AI 賦能教育的關鍵，教師也是人工智能思維、智能技術運用于新工科專業教育的主要實踐者[13]。如何提升傳統的教學模式、教學方法，讓教學內容和方式更加智能和高效，是人工智能+背景下的新工科建設核心目標，只有教師主動適應人工智能技術變革，改進傳統教學模式與方法，踐行以學習者為中心的教育理念，才能實現真正意義上的新工科教育。結合產業項目的技術攻關研究需求，基于問題導向、目標導向理念，把教師從簡單、機械繁瑣的教學工作中解放出來，從而能投入更多的時間和精力，創新理論知識和工程實踐相結合的教育新內容新方法，從而使得學生將來的潛力和能力不落后于產業人工智能的發展。

研究教育模式的多樣化和智能化，借助人工智能思維開展體驗式教學、協作式教學以及網絡式、開放式教學方法的探索實踐，實現線上線下教學方法的融合協同。通過人工智能、大數據技術與工程教育教學實踐的深度融合，以科學問題和工程需求來驅動教學內容，提升學生的主動學習能力、工程實踐能力和人工智能思維能力。從以教學為中心向以學生為中心的主動學習、自主學習轉變，使得學生主動了解學科前沿動態，并理解人工智能+專業領域核心技術的迭代性本質，提升學生的自主學習和終身學習意識，同時啟發學生對未來職業的思考，培養出難以被AI淘汰的復合型人才。

3）構建人工智能+跨學科交叉融合的新工科實踐平臺。

研究基于項目驅動的模塊式、主題式課程為每個學生提供了個性化、定制化的學習內容，但還需要智能化的學習和實踐環境，通過工程實踐才能真正樹立學習者走向工作崗位后仍能保持的自適應學習和終生學習理念。重點構建與基于專題式、模塊式學習內容相匹配的工程實踐環境，借助人工智能+跨學科交叉的新工科實踐平臺訓練，從教師將知識傳授給學生向“讓學生通過實踐平臺自己去發現和創造知識”提升，以真實的專業領域工程問題（大數據驅動的智能化需求）為依托，將多學科交叉與產業技術攻關研究結合起來，讓學生在工程實踐過程中主動學習和建構多學科交叉的知識結構，從而培養學生自主學習人工智能+各專業領域相關新技術、新方法的能力，使得學生主動適應未來的職業發展。

根據上述新工科教育思路及框架設計，進行了初步新工科教育的實踐工作。以人工智能課程為例，首先在專題式、模塊式課程體系設置方面，對傳統的章節式教學內容進行重新組織優化；傳統的人工智能教材普遍存在覆蓋面廣、關鍵技術點深度不夠、知識點零散不成體系，而且概念性和基礎性內容太多。針對這一問題對教學內容進行了重新組織設計，教材只是參考，重點增加了當前人工智能前沿性和實踐性內容，比如深度學習、強化學習、遷移學習和知識圖譜等教材中沒有的知識點，并刪減過多的概念性、基礎性教材內容，以每個主題構建教學模塊單元。以強化學習這個教學主題為例，構建教學模塊單元內容包括強化學習概念、核心原理、深度強化學習和應用設計4 個小節，覆蓋從基礎知識了解到原理推導理解，再到應用設計實踐整個主題教學鏈內容。其次在改進傳統教學模式方面，加大課程設計實踐內容比重和分數，強調以學生為中心的學習過程，同學們可以根據自己的興趣，自由選擇一個大的專題作為課程設計實踐內容，老師只給出大的課程設計提綱和目標導向框架，學生可以在大的框架下進行自由探索和深入設計，從而提升學生的主動學習能力、AI 賦能背景下的終身學生能力。最后在課程實踐環境的構建方面，在實驗室的基礎編程環境下，結合人工智能基礎框架的快速選擇配置，學生可以構建符合各類企業研發需求的虛擬環境和容器級環境，這樣在學習階段就可以提前熟悉當前行業工程研發的各類框架及工具，從而進一步提升學生的工程實踐能力。

4 結 語

人工智能正在加速變革我們的生產、生活和學習方式，如何切實推進“新工科”建設，形成“人工智能+X”復合專業培養新模式，推動以人工智能技術為基礎的數據密集型科學發現，以支撐在重大科學問題研究與工程應用方面的產業需求，是新工科建設的關鍵。以學習者為中心，以課程設置、教學方式和工程實踐3 個環節為主線，從專業技術教育和AI 賦能教育兩個方面，提出了新工科教育思路及總體實踐框架，助力新工科教育跟人工智能技術深度融合并高效迭代發展，對于新工科建設和人工智能相關學科建設，具有重要的參考價值。